Pesquisa maranhense sobre detecção de arboviroses no SUS é premiada em Brasília
O trabalho sugere nova abordagem para agilizar desenvolvimento de testes moleculares de vigilância epidemiológica de Dengue, Zika e outras doenças
Estudo desenvolvido pela acadêmica de Biomedicina, Francisca Elaine Dutra de Oliveira, foi vencedor do Prêmio Inovação em Engenharia Biomédica para o SUS, na categoria Relatos de Experiência e/ou Startups. O trabalho intitulado ‘Vigilância Epidemiológica Computacional para o SUS: uma plataforma de design racional de biossensores de RNA’, propõe nova abordagem para acelerar o desenvolvimento de testes moleculares de vigilância epidemiológica de arboviroses. A cerimônia de entrega do prêmio será em dezembro, em Brasília.
Promovida pela Sociedade Brasileira de Engenharia Biomédica (SBEB), com apoio do Ministério da Saúde e do Ministério da Ciência, Tecnologia e Inovação (MCTI), a premiação reconhece iniciativas de engenharia biomédica com potencial de contribuição para o SUS. O prêmio considera ainda, o impacto destes projetos na vida da população. Participam trabalhos dos países da América Latina. “Essa premiação nos orgulha pelo reconhecimento do que fazemos em nosso estado e por promover maior alcance da pesquisa brasileira entre as soluções apresentadas para os desafios da saúde pública”, ressalta Elaine Dutra.
A pesquisa foi contemplada pelo edital Deep Tech Catalyst, da Fundação de Amparo à Pesquisa e ao Desenvolvimento Científico e Tecnológico do Maranhão (Fapema). A chamada destinou R$ 4,55 milhões para apoiar até 15 propostas nas áreas de agricultura digital, biotecnologia e bioeconomia, energias renováveis e sustentabilidade, saúde e tecnologias sociais. O programa tem como foco soluções baseadas em descobertas científicas e engenharia avançada, aproximando pesquisas de empresas, investidores e do mercado. “Esse apoio da Fapema foi decisivo para a colocação no prêmio nacional. É uma alegria e orgulho receber este reconhecimento e ver nosso trabalho valorizado”, pontuou.
Segundo a proposta, os testes moleculares utilizados na vigilância de arboviroses ainda são desenvolvidos, em grande parte, por meio de processos experimentais de tentativa e erro. “Essa etapa pode ser cara e demorada, fazendo com que sejam necessários meses entre a identificação de um novo patógeno e a disponibilidade de um teste de triagem confiável”, alerta a pesquisadora. Ela acrescenta que, para o Sistema Único de Saúde (SUS), especialmente em regiões com menor infraestrutura laboratorial, essa demora pode representar uma limitação à capacidade de resposta.
A solução desenvolvida pela G.E.A.F. Biotecnologia e Inovação em RNA utiliza uma plataforma computacional capaz de projetar biossensores de RNA de forma determinística. A partir da sequência genética do agente que se pretende identificar, o sistema prevê a estrutura com maior especificidade e estabilidade, reduzindo a necessidade de uma etapa experimental de seleção. “Na prática, o desenho de um novo sensor pode ser feito em dias, e não em meses”, destaca a proposta da pesquisa.
Além do apoio da Fapema, por meio do Deep Tech Catalyst, o projeto possui dois pedidos de patente depositados no Instituto Nacional da Propriedade Industrial (INPI), incubação pela IncubaScience/CETENE e aceleração pelo programa Emerge Brasil.
Vigilância nacional
A plataforma já foi validada computacionalmente para os vírus Zika e Dengue, apresentando uma discriminação termodinâmica mais de três vezes superior entre o alvo verdadeiro e os controles analisados. O ponto de entrada previsto para a tecnologia é a vigilância epidemiológica ambiental, com análises de água e esgoto, permitindo a triagem de diferentes patógenos sem a necessidade de desenvolver novamente toda a tecnologia para cada alvo.
Por ser uma solução integralmente computacional e desenvolvida no Brasil, a tecnologia também propõe reduzir a dependência de soluções estrangeiras na área de diagnóstico molecular. A estratégia pode facilitar a adoção da ferramenta por laboratórios de saúde pública com menor disponibilidade de recursos.